论机器学习与双目立体视觉在图像深度估计中的协同作用：综述
计算机视觉与模式识别
2021-04-01 v2
摘要
立体匹配是计算机视觉中历史最悠久的问题之一，已有近 40 年的研究与探索。多年来，其范式已从局部的像素级决策，转变为各种形式的离散与连续优化，再到数据驱动的基于学习的方法。近期，机器学习的兴起和深度学习的快速普及，为立体匹配带来了新的激动人心的趋势和应用，这在几年前是难以想象的。有趣的是，这两个领域之间的关系是双向的。一方面，机器学习，尤其是深度学习，推动了立体匹配的最新技术水平；另一方面，立体视觉本身也催生了突破性的新方法，例如基于深度网络的自监督单目深度估计。在本文中，我们回顾了基于学习的单目和双目图像深度估计领域的最新研究，重点阐述了其中的协同作用、迄今取得的成功以及该领域在不久的将来所要面临的开放挑战。
引用
@article{arxiv.2004.08566,
title = {On the Synergies between Machine Learning and Binocular Stereo for Depth Estimation from Images: a Survey},
author = {Matteo Poggi and Fabio Tosi and Konstantinos Batsos and Philippos Mordohai and Stefano Mattoccia},
journal= {arXiv preprint arXiv:2004.08566},
year = {2021}
}
备注
Accepted to TPAMI. Paper version of our CVPR 2019 tutorial: "Learning-based depth estimation from stereo and monocular images: successes, limitations and future challenges" (https://sites.google.com/view/cvpr-2019-depth-from-image/home)